Twitter 流 API - urllib3.exceptions.ProtocolError: ('连接中断：IncompleteRead

Question

使用 tweepy 运行 python 脚本，该脚本在英语推文的随机样本中流式传输（使用 twitter 流 API）一分钟，然后交替搜索（使用 twitter 搜索 API）一分钟，然后返回。我发现的问题是大约 40 多秒后流式传输崩溃并出现以下错误：

完全错误：

urllib3.exceptions.ProtocolError: ('连接中断： IncompleteRead(0 bytes read)', IncompleteRead(0 bytes read))

读取的字节数可以在 0 到 1000 之间变化。

第一次看到流过早中断并且搜索功能提前启动时，搜索功能完成后它再次返回流，并且在此错误的第二次重复出现时代码崩溃。

我运行的代码是：

# Handles date time calculation
def calculateTweetDateTime(tweet):
    tweetDateTime = str(tweet.created_at)

    tweetDateTime = ciso8601.parse_datetime(tweetDateTime)
    time.mktime(tweetDateTime.timetuple())
    return tweetDateTime

# Checks to see whether that permitted time has past.
def hasTimeThresholdPast():
    global startTime
    if time.clock() - startTime > 60:
        return True
    else:
        return False

#override tweepy.StreamListener to add logic to on_status
class StreamListener(StreamListener):

    def on_status(self, tweet):
        if hasTimeThresholdPast():
            return False

        if hasattr(tweet, 'lang'):
            if tweet.lang == 'en':

                try:
                    tweetText = tweet.extended_tweet["full_text"]
                except AttributeError:
                    tweetText = tweet.text

                tweetDateTime = calculateTweetDateTime(tweet)

                entityList = DataProcessing.identifyEntities(True, tweetText)
                DataStorage.storeHotTerm(entityList, tweetDateTime)
                DataStorage.storeTweet(tweet)


    def on_error(self, status_code):
        def on_error(self, status_code):
            if status_code == 420:
                # returning False in on_data disconnects the stream
                return False


def startTwitterStream():

    searchTerms = []

    myStreamListener = StreamListener()
    twitterStream = Stream(auth=api.auth, listener=StreamListener())
    global geoGatheringTag
    if geoGatheringTag == False:
        twitterStream.filter(track=['the', 'this', 'is', 'their', 'though', 'a', 'an'], async=True, stall_warnings=True)

    if geoGatheringTag == True:
        twitterStream.filter(track=['the', 'this', 'is', 'their', 'though', 'a', 'an', 'they\'re'],
                             async=False, locations=[-4.5091, 55.7562, -3.9814, 55.9563], stall_warnings=True)



# ----------------------- Twitter API Functions ------------------------
# XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
# --------------------------- Main Function ----------------------------

startTime = 0


def main():
    global startTime
    userInput = ""
    userInput.lower()
    while userInput != "-1":
        userInput = input("Type ACTiVATE to activate the Crawler, or DATABASE to access data analytic option (-1 to exit): \n")
        if userInput.lower() == 'activate':
            while(True):
                startTime = time.clock()

                startTwitterStream()

                startTime = time.clock()
                startTwitterSearchAPI()

if __name__ == '__main__':
    main() 

我已经删除了搜索功能和数据库处理方面，因为它们是独立的，以避免代码混乱。

如果有人知道为什么会发生这种情况以及我如何解决它，请告诉我，我很想知道任何见解。

---

我尝试过的解决方案：
带有 http.client.IncompleteRead:
的 Try/Except 块 根据Error-while-fetching-tweets-with-tweepy

将 Stall_Warning = 设置为 True：
根据Incompleteread-error-when-retrieving-twitter-data-using-python

删除英语过滤器。

Answer 1

已解决。

致那些好奇或遇到类似问题的人：经过一些实验，我发现传入推文的积压是问题所在。每次系统收到一条推文时，我的系统都会运行一个实体识别和存储过程，这会花费一小段时间，并且随着收集数百到数千条推文的时间，这个积压越来越大，直到 API 无法处理它并且抛出了那个错误。

解决方案：将“on_status/on_data/on_success”函数剥离到最基本的部分，并在流会话关闭后单独处理任何计算，即存储或实体识别。或者，您可以让您的计算更加高效，并让时间差距变得微不足道，这取决于您。

Answer 2

我只是根据关注用户 Chris Cookman 的结果来分享我的经验。按照他的建议做了之后，我和你遇到的同样的问题就消失了。但就我而言，我将它与 discord.py 一起使用。所以我所做的是创建一个通用列表 (status_list)，每当 tweepy on_status 启动时，它都会附加到该通用列表中。

然后我使用 discord.py 设置了一个@tasks.loop(seconds=10) 来每隔几秒监视 status_list 是否不为空，然后如果它检测到它有内容，它将循环遍历它然后启动每个列表的进程。